（原標題：對話“神經網絡教父”杰夫·辛頓：人工智能發展的下一步在這）

　　智東西(公眾號！zhidxcom)

　　編 origin

　　日前，被譽為“神經網絡教父”的杰夫·辛頓接受了外國媒體Gigamo的采訪，談到了他對人工智能、深度學習的看法。他認為，人工智能要實現飛躍，下一步須能真正理解文檔內容。

　　問：你被稱為“神經網絡教父”。你認為你能在有生之年看到真正的人工智能嗎？

　　杰夫·辛頓：這取決于你說的“真正的人工智能”是什么了。如果你說的是擁有跟人類水平相當的感知能力、語言能力、推理能力以及運動能力的機器人，那可能不行。不過要預測超過五年之后的事情很難，所以我不會說得那么絕對。十年之前，沒人會相信必須從原始訓練數據中獲得語言知識的神經網絡，能夠用來進行機器翻譯。然而這卻是機器翻譯現在最好的解決方案，它拉近了機器翻譯和人工翻譯的差距。

　　問：對于真正的人工智能，有什么需要擔憂的？

　　杰夫·辛頓：我不太擔心邪惡的機器人會接管世界這套爛大街的幻想。我反倒更擔心像希特勒或者墨索里尼的人如果手中握有智能機器人軍隊，他們會做些什么。我認為迫切需要有關這項技術的軍事化的國際協定。

　　問：你對人工智能影響勞動力和經濟有什么預測？它的影響會是正面的還是負面的？

　　杰夫·辛頓：挖掘機和自動柜員機通過消除大量繁瑣重復性勞動提高了生產率，也很少有人覺得不該引進它們。在公平的政治制度中，提高生產力的技術會受到每個人的歡迎，因為它能讓大家都過得更好。技術不是問題，問題是能不能有一個適當的政治制度，來保證每個人都受益。

　　問：深度學習的下一個突破會是什么？

　　杰夫·辛頓：目前，我們在解決一些阻礙了我們半個世紀的困難問題上，取得了前所未有的進步。語音識別現在發展得很好，且進步神速。圖像識別也有巨大的進展，我認為計算機很快就能夠理解視頻中發生了什么。神經網絡最近還接管了機器翻譯。深度神經網絡每周都在新的重大商業領域取得成功。20年來我們見證了基礎的深度學習技術令人驚異的繁榮。這種繁榮包括了更好的神經元、更好的結構體系，以及能夠在更深層次的網絡中生效的學習方式，和讓神經網絡更好地處理輸入內容的解決方法。深度學習現在吸引了大量的人才和巨額的資源，沒有理由不繼續繁榮下去。

　　我認為更多的努力將集中在使神經網絡真正理解文檔內容這個問題上。這可能涉及到開發新的緩存，這是當前的熱門話題。

　　還有一個我們沒解決的問題是，如何將神經網絡從小規模的數據推廣開，我懷疑這可能需要我們現今采用的神經元類型發生根本性的變化。最后，我認為通過應用深度學習學到的經驗，將使我們更好地理解人類自身的神經元如何工作，而這種理解反過來又會對深度學習產生巨大影響。

　　杰夫·辛頓（Geoffrey Hinton）于1970年在劍橋獲得實驗心理學學士學位，1978年在愛丁堡獲得人工智能博士學位。他在加州大學圣地亞哥分校做過博士后，又在卡內基·梅隆計算機科學學院工作了五年。然后他成為了加拿大高等研究院的研究員，并搬到了多倫多大學的計算機系。從1998到2001年，他花了三年時間在倫敦大學學院建立了蓋茨比計算神經科學，隨后又回到了多倫多大學任職教授。在2013年，他成為了谷歌的著名研究員，現在同時在多倫多大學與谷歌工作。

　　杰夫·辛頓從事機器學習算法設計。他是引入反向傳播算法的研究者之一，而這種算法現已被廣泛應用。在2005年他發表了第一篇關于DBN（deep belief nets）的文章，引發了對神經網絡的興趣。他的學生在深度神經網絡的應用如語音識別、物體識別和藥物開發方面取得了開創性的進展。

　　文章編譯自Gigaom